• The Plant Pathology Journal
• /
• 제34권5호
• /
• pp.381-392
• /
• 2018

Clavibacter michiganensis subsp. michiganesis (Cmm) is a quarantine-worthy pest in $M{\acute{e}}xico$. The implementation and validation of new technologies is necessary to reduce the time for bacterial detection in laboratory conditions and Raman spectroscopy is an ambitious technology that has all of the features needed to characterize and identify bacteria. Under controlled conditions a contagion process was induced with Cmm, the disease epidemiology was monitored. Micro-Raman spectroscopy ($532nm\;{\lambda}$ laser) technique was evaluated its performance at assisting on Cmm detection through its characteristic Raman spectrum fingerprint. Our experiment was conducted with tomato plants in a completely randomized block experimental design (13 plants ${\times}$ 4 rows). The Cmm infection was confirmed by 16S rDNA and plants showed symptoms from 48 to 72 h after inoculation, the evolution of the incidence and severity on plant population varied over time and it kept an aggregated spatial pattern. The contagion process reached 79% just 24 days after the epidemic was induced. Micro-Raman spectroscopy proved its speed, efficiency and usefulness as a non-destructive method for the preliminary detection of Cmm. Carotenoid specific bands with wavelengths at 1146 and $1510cm^{-1}$ were the distinguishable markers. Chemometric analyses showed the best performance by the implementation of PCA-LDA supervised classification algorithms applied over Raman spectrum data with 100% of performance in metrics of classifiers (sensitivity, specificity, accuracy, negative and positive predictive value) that allowed us to differentiate Cmm from other endophytic bacteria (Bacillus and Pantoea). The unsupervised KMeans algorithm showed good performance (100, 96, 98, 91 y 100%, respectively).

• 한국컴퓨터정보학회논문지
• /
• 제16권1호
• /
• pp.31-38
• /
• 2011

RAM 기반 3-D 신경망은 2진 신경망(Binary Neural Network, BNN)에 복수개의 정보 저장 비트를 두어 교육의 반복 횟수를 누적하도록 구성된 가중치를 가지지 않는 신경회로망으로서 한 번의 교육만으로 학습이 이루어지는 효율성이 뛰어난 신경회로망이다. MRD(Maximum Response Detector) 기법을 이용한 3-D 신경망의 인식 방법은 지도 학습에 기반을 둔 것으로서 학습을 통해 신경망 스스로가 범주를 구분할 수 없으며 잘 구분된 범주의 학습 데이터를 통해서만 성능을 발휘할 수 있다. 본 논문에서는 기존 3-D 신경 회로망에 학습 데이터의 구분 없이 신경망 자체가 입력 패턴에 따라 학습하여 범주를 구분하는 비지도 학습 알고리즘을 제안한다. 제안된 비지도 학습 알고리즘에 의해 신경회로망은 판별자의 수를 스스로 조절할 수 있는 구조를 가지게 되며 이는 망의 유연한 확장성을 보장한다. 0에서 9까지의 다중 패턴으로 구성된 오프라인 필기체 숫자를 무작위로 추출하여 학습 패턴으로 인식 실험을 수행하였으며 실험을 통해 신경망이 스스로 비지도 학습에 의해 판별자의 수를 결정하게 되며 이것은 신경망이 각각의 필기체 숫자에 대한 개념을 가지게 되는 것으로 해석할 수 있다.

• 인터넷정보학회논문지
• /
• 제18권1호
• /
• pp.65-75
• /
• 2017

탐지 모델은 인공지능 기법들이나 데이터 마이닝 기법, 또는 지능형 알고리즘들을 이용하여 어떠한 목적에 맞는 결과를 찾고자 하는 모델들이다. 사이버 보안에서는 주로 침입탐지, 악성코드 탐지, 침해사고 탐지, 공격 탐지로 활용되고 있다. 보안데이터와 같은 실제 환경에 수집되는 데이터들을 레이블이 되지 않은 데이터들이 많다. 클래스 레이블이 정해지지 않아 유형을 알 수 없는 데이터가 많아 정확한 탐지 및 분석을 하기 위해서는 레이블 결정과정이 필요하다. 본 논문에서 제안하는 방법은 레이블 결정을 위해 D-S 추론 알고리즘과 비교사 방법인 k-means 알고리즘을 적용하여 각 데이터의 레이블을 융합하여 결정할 수 있는 KDFL(K-means and D-S Fusion based Labeling)제안하였으며 이를 적용한 탐지 모델 구조를 제안하였다. 제안하는 방법은 실험을 통해 기존의 방법에 비해 탐지율, 정확도, F1-measure 성능 지표에서 우수한 성능을 나타냈다. 또한 오류율도 크게 개선된 결과를 나타내어 제안하는 방법의 성능을 검증할 수 있었다.

• 한국지리정보학회지
• /
• 제16권2호
• /
• pp.88-100
• /
• 2013

도시녹지는 열섬현상을 감소시키고 여가나 휴식 공간으로 활용되는 등 도시민의 삶의 질을 향상시키는 중요한 역할을 하는 도시 기반시설이다. 그러나 양적인 개발효율에 치중한 관행으로 도시녹지의 체계적인 관리가 미흡했던 것이 사실이다. 녹지총량제와 같은 보존을 위한 제도적 틀은 갖추어 가고 있지만, 정확한 녹지량을 산정하는 기술적 측면은 상대적으로 보완할 여지가 크다. 최근 들어 원격탐사를 이용한 녹지나 도시 기반시설의 정량적 탐지를 수행한 다양한 연구들이 수행 되었다. 그러나 기존 연구들이 활용한 자료의 공간 해상도를 고려하였을 때 도시 내에 무수히 존재하는 소규모 녹지공간의 탐지가 효과적으로 되었다고 보기 힘들다. 이러한 맥락에서 본 연구에서는 초분광 영상(CASI-1500)을 활용한 도시 내 소규모 녹지에 대한 정량적 탐지를 수행하였다. 이를 위해 식생지수를 산출하여 소규모 녹지공간의 탐지 여부를 검토한 뒤, ISODATA와 SAM 기법을 적용한 감독분류, 무감독분류를 통해서 각 방법들이 소규모 녹지공간 탐지에 적절한지 비교하였다. 미분류, 불투수성, 녹지로 의심되는 영역, 녹지의 4개의 피복으로 분류하여 SAM 기법에 사용된 참조스펙트럼의 차이를 비교하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권10호
• /
• pp.465-472
• /
• 2017

과거에는 전력데이터를 분석하는 기법으로 주로 기계학습의 지도학습 기법을 많이 활용하였고 데이터 마이닝 기법을 통한 패턴 검출을 주로 연구하였다. 그러나 전력데이터의 규모 커지고 실시간 데이터 공급이 가능해진 현재에는 과거의 데이터 분류 및 분석 기법을 통한 데이터 분석 연구는 한계가 존재한다. 이에 본 논문에서는 큰 규모의 전력데이터를 분석할 수 있는 클러스터링 아키텍처를 제안한다. 제안하는 클러스터링 프로세스는 비지도학습기법인 K-means 알고리즘의 문제점을 보완하고 전력데이터 수집과 분석까지의 모든 과정을 자동화할 수 있는 프로세스이다. 총 3 Level로 구분하여 Row Data Level, Clustering Level, User Interface Level로 구분하여 전력데이터를 분류 및 분석한다. 또한 클러스터링의 효율성 향상을 위하여 주성분분석 및 정규분포기반의 최적의 클러스터 수 K값 추출과 이상점으로 분류되는 데이터 감소를 위한 변형된 K-means 알고리즘을 제시한다.

• 농업생명과학연구
• /
• 제45권1호
• /
• pp.21-32
• /
• 2011

본 연구는 GIS RS를 기반으로 무주군 산림의 이산화탄소 $(CO_{2})$ 흡수량 및 바이오에너지 공급 잠재량을 추정하기 위하여 수행하였다. 추정 결과, 무주군 산림은 7,800,130 $tCO_{2}$를 흡수한 것으로 추정되었으며, 이용 가능한 전체 바이오에너지 공급 잠재량은 $11,868,202,837Mca{\ell}$인 것으로 추정되었다. 또한, 연간 바이오에너지 공급 잠재량은 $314,876,637Mca{\ell}/year$이었으며, 이는 겨울철 난방용 바이오에너지로 무주군 전체 가구수 10,902 가구보다 많은 11,214 가구에 공급할 수 있는 것으로 추정되었다. 본 연구는 국가단위 산림의 $CO_{2}$ 흡수량 및 바이오에너지 공급 잠재량 추정에 있어서 그 방법론을 제시하였으며, GIS RS 등의 최신 기법을 기반으로 정밀한 산림 정보를 이용한 국가단위의 추정은 신뢰도를 더욱 높일 수 있을 것으로 판단되었다.

• 한국융합학회논문지
• /
• 제12권9호
• /
• pp.11-19
• /
• 2021

소프트웨어 시스템은 생명주기동안 기능 추가, 버그 수정, 새로운 컴퓨팅 환경 수용 등의 다양한 이유로 프로그램 코드 변경이 요구된다. 이러한 코드 수정 과정에서 새로운 오류 발생을 가져올 수 있으므로 프로그램 코드 수정 과정은 새로운 시스템 개발 못지 않게 신중하게 처리되야 한다. 또한, 오픈 소스 프로그램에 대한 재사용이 일반화된 소프트웨어 개발환경에서 오픈 소스 프로그램의 코드 변경 가능성을 예측할 수 있다면, 보다 양질의 프로그램 개발 효과를 기대할 수 있을 것이다. 본 논문은 소스 코드 변경을 예측하는 Convolutional Neural Network (CNN) 기반의 딥러닝 모델을 제안한다. 소스 코드 변경을 예측하는 문제는 딥러닝의 이진 분류 문제이며 레이블된 데이터가 요구되는 지도학습을 사용한다. 코드 예측 모델의 학습 및 시험을 위해 깃허브에서 수집한 Java 소스 코드와 코드 변경 로그를 데이터로 사용한다. 수집된 Java 소스 코드에서 소프트웨어 메트릭스를 계산한 후 제안된 코드 변경 예측 모델의 입력 데이터로 사용한다. 제안된 모델의 성능 평가를 위해 정밀도, 재현율, F1점수, 정확도가 측정되었으며 각각의 평가 지표에 있이서 CNN 모델은 95%, 다층 퍼셉트 기반의 DNN 모델은 92%를 달성했다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1605-1613
• /
• 2020

갯골은 갯벌 퇴적의 형성과 발달에 가장 핵심적인 구실을 하는 해안퇴적지형으로써, 갯벌 퇴적/침식 지형의 이해와 분포 파악에 있어 매우 중요한 지표로 여겨진다. 본 연구는 KOMPSAT 고해상도 위성영상자료를 활용하여 시화호 간척지의 방조제 수문 개방 이후 시기별 갯골 변화 양상을 파악하고, 고해상도 위성 영상의 활용 가능성 및 효율성 평가하는데 목적을 가진다. 갯골 선 추출을 위해 2009년, 2014년, 2019년 세 시기를 대상으로 KOMPSAT 2, 3 영상을 활용하였으며, 각 4개의 분광 밴드를 활용한 주성분 분석 및 기본 신경망 기반 감독 분류와 Normalized Difference Water Index, Matched Filtering 및 Spectral Angle Mapper 감독 분류 기반의 밴드 비연산 기법을 적용하였다. 추출한 갯골 정보의 검증을 위해 국토지리정보원 수치지도정보 및 중해상도 Landsat 7 ETM+ 영상자료를 활용하였다. 검증 결과, 갯골 선의 방향성 및 분포 양상 변화 감지 부분에서 KOMPSAT 영상 자료가 Landsat 7 영상과 비교하여 검증자료와 큰 일치성을 나타냈다. 하지만 갯골 선 밀도 분포 파악 및 퇴적 지형 발달과 관련된 유의미한 정보의 제공에 있어서는 한계를 가질 것으로 확인되었다. 본 연구는 국내 조간대 환경 이슈에 대응하는 방안으로써 KOMPSAT 영상 기반 고해상도 원격 탐사의 활용 가능성을 제시할 수 있을 것으로 기대되며, 조간대 환경 일대를 대상으로 하는 다종 플랫폼 영상 기반 융·복합 주제도 작성을 위한 기초연구자료로써 이용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 대한지리학회지
• /
• 제38권4호
• /
• pp.630-639
• /
• 2003

본 연구는 두만강 하류의 온성, 새별, 은덕 지역을 대상으로 1992년 Landsat TM과 2000년 Landsat ETM 자료 및 수치고도자료를 이용하여 농경지와 산림지의 분포와 변화, 변화과정의 공간적 특성을 분석한 것이다. 1:5만 수치지형도 분석, 영상밴드조합. 주성분 분석 등 감독분류를 통하여 농경지, 산림, 취락 및 건물, 강과 저수지 등의 수체를 주요 항목으로 하여 분류를 시도하였다. 대상 지역에 대한 분석의 결과를 보면, 온성과 은덕 지역에서는 1992년에서 2000년 사이에 농경지가 각각 22.8%, 14.7% 증가하였으며, 상대적으로 산림은 각각 24.0%, 13.6% 감소하였다. 또한 경작지의 평균고도를 보면 온성, 새별, 은덕의 경우, 각각 157m, 85m, 78m에서 192m, 95m, 91m로 높아졌으며, 경사도의 경우는, 각각 5.2$^{\circ}$, 2.5$^{\circ}$, 3.0$^{\circ}$에서 6.6$^{\circ}$, 3.0$^{\circ}$, 4.4$^{\circ}$로, 고도와 경사도 모두 약 30% 증가세를 보여주고 있다. 특히 신개간지 만을 보면 평균고도는 각각 255m, 122m, 127m, 평균경사도는 9.4$^{\circ}$, 5.1$^{\circ}$, 8.0$^{\circ}$로 나타나고 있다. 이러한 개간지들은 구릉지대나 산록완사면을 따라 경사변환점까지 확대되고 있으며, 산림이 제거된 나대지들은 불규칙한 패치모양을 띠면서 rill과 gully 등의 사면침식과 하천의 토사퇴적의 원인을 제공하고 있다. 이러한 위성영상분석은 지표확인을 할 수 없는 한계점은 있으나 농업과 관련된 북한의 환경문제에 대한 실태파악에 도움을 줄 수 있다.